python获取docx文档的内容(文本)

首先下载第三方库python-docx: pip install python-docx(在py文件里面导入的时候是import docx)

简单的说,docx里面的每一个段落都是一个paragraph对象,段落中文本如果有不同的样式(加粗，斜体)就会有不同的run对象,而且paragraph和run对象都有一个text属性，表示的是他包含的文本

import docx

def     getText(filename):

        doc = docx.Document(filename)
        fullText = []
        for i in doc.paragraphs:#迭代docx文档里面的每一个段落
            fullText.append(i.text)#保存每一个段落的文本
        return '\n'.join(fullText)
def     main():

        print getText('reviews.docx')#reviews.docx是我自己创建的一个文档,注意要和你的py文件一个目录下

if     __name__=="__main__":
        main()

reviews.docx文件下载:https://pan.baidu.com/s/1pMEXSLl